在科技与自然的交汇处，一款名为 whoBIRD 的开源Android应用正为全球鸟类爱好者打开全新的观察视角。基于康奈尔大学 BirdNET 项目的先进框架，whoBIRD 凭借机器学习算法，实现了对全球 6000多种鸟类 声音的实时识别，且完全无需网络连接。项目基于Kotlin和Java编写，遵守GPL 3.0开源协议。

核心技术：BirdNET与设备端AI的完美结合

whoBIRD 的核心依赖于 BirdNET 开源框架，其声音识别模型基于 TensorFlow Lite 实现，所有计算均在本地设备完成，无需依赖云端服务。首次启动时，应用会自动下载约 300MB 的模型文件，此后即可在森林、湖泊甚至偏远山区等无网络环境中实时分析鸟鸣。这种离线设计不仅保障了隐私，也大幅降低了使用门槛。

功能特色：

  1. 实时声音识别
    • 打开应用即可自动监听环境声，通过频谱分析快速匹配鸟种，结果以概率排序显示。用户反馈显示，其对常见鸟类（如煤山雀、麻雀）的识别准确率较高，但对人类模仿的鸟鸣可能误判为“口哨”。
    • 支持 高置信度时自动下载鸟类图片（需手动开启和联网），但需注意存储空间占用。
  2. 数据管理
    • 检测记录可通过 CSV导出 进行科研分析，并支持备份、分享或删除数据库。
    • 可启用保存 .wav 文件 ：每次检测后，都会在 Music 目录中保存一个 .wav 文件。

应用场景：从爱好者到研究者的多元需求

  • 自然观察：在野外快速识别鸟种，记录出现频率与地点。
  • 教育推广：内置鸟类百科与趣味铃声，帮助普及生态知识。
  • 科学研究：长期采集声音数据，辅助生物多样性监测。

开源优势：透明、自由与社区共建

与康奈尔大学官方应用 Merlin（需注册且闭源）不同，whoBIRD 遵循 GPLv3协议 完全开源，代码托管于 GitHub。其依赖的生态项目包括：

  • BirdNET（CC BY NC SA 4.0）：提供声音识别模型。
  • TensorFlow（Apache 2.0）：支持机器学习推理。
  • Zip4j与iirj：处理音频压缩与滤波。

用户可通过 F-Droid 安装最新版本，并参与多语言翻译以完善社区支持。

用户评价与横向对比

  • 便携性：相比需携带树莓派等硬件的 BirdNet-Pi Portable，whoBIRD 仅需一部手机即可运行，隐蔽性更强。
  • 功能性：虽界面不如 Merlin 精美，但核心识别能力接近，且无需注册即可使用。

总结

whoBIRD 不仅是一款工具，更是开源精神与自然保护的结合体。它降低了鸟类识别的技术门槛，让每个人都能成为公民科学家，记录并守护地球的生物多样性。无论是野外探险者、教育工作者，还是技术极客，都能在这款应用中找到属于自己的自然之声。

https://github.com/woheller69/whoBIRD

F-driod下载：https://f-droid.org/packages/org.woheller69.whobird/